PySpark中的自定义评估器

Question

我想使用排名指标（MAP @ k）优化PySpark管道的超级参数。我已经在文档中看到了如何使用评估（Scala）中定义的指标，但是由于尚未实现MAP @ k，因此我需要定义一个自定义的评估器类。所以我需要做类似的事情：

model = Pipeline(stages=[indexer, assembler, scaler, lg])
paramGrid_lg = ParamGridBuilder() \
    .addGrid(lg.regParam, [0.001, 0.1]) \
    .addGrid(lg.elasticNetParam, [0, 1]) \
    .build()

crossval_lg = CrossValidator(estimator=model,
                      estimatorParamMaps=paramGrid_lg,
                      evaluator=MAPkEvaluator(), 
                      numFolds=2)

MAPkEvaluator()我的自定义评估师在哪里。我见过类似的问题，但没有答案。

是否有任何示例或文档可用？有谁知道是否可以在PySpark中实现它？我应该采用什么方法？

Answer 1

@jarandaf在第一条评论中回答了该问题，但为清楚起见，我编写了如何使用随机指标实现基本示例：

import random
from pyspark.ml.evaluation import Evaluator

class RandomEvaluator(Evaluator):

    def __init__(self, predictionCol="prediction", labelCol="label"):
        self.predictionCol = predictionCol
        self.labelCol = labelCol

    def _evaluate(self, dataset):
        """
        Returns a random number. 
        Implement here the true metric
        """
        return random.randint(0,1)

    def isLargerBetter(self):
        return True

现在，以下代码应该可以工作：

from pyspark.ml.tuning import CrossValidator, ParamGridBuilder

paramGrid_lg = ParamGridBuilder() \
    .addGrid(lg.regParam, [0.01, 0.1]) \
    .addGrid(lg.elasticNetParam, [0, 1]) \
    .build()

crossval_lg = CrossValidator(estimator=model,
                      estimatorParamMaps=paramGrid_lg,
                      evaluator= RandomEvaluator(), 
                      numFolds=2)

cvModel = crossval_lg.fit(train_val_data_)